基于微环境参数与LSTM-XGBoost的大曲酸度时序预测方法

本发明属于酿造技术领域，公开了一种基于微环境参数与LSTM‑XGBoost的大曲酸度时序预测方法，包括如下步骤：步骤1：按照时间序列将大曲发酵中的微环境参数和酸度值构建为样本数据集；步骤2：对所述样本数据集依次进行异常值剔除、数据插补和特征提取处理；步骤3：基于加权平均法将XGBoost模型和LSTM模型构建为LSTM‑XGBoost混合模型；训练并优化，并通过训练和优化后的所述LSTM‑XGBoost混合模型对大曲发酵中酸度时序预测。本发明通过微环境参数融合、混合模型架构设计及动态特征提取，实现了大曲酸度的高精度实时预测，解决了传统检测方法的滞后性、复杂性与高成本问题，为酿造工艺的智能化升级提供了数据驱动型解决方案，具备显著的工业化应用价值与行业推广潜力。